Kurz gesagt
Ein Multi-Agent-System ist ein Aufbau, bei dem mehrere KI Agents, jeder mit eigener Rolle, eigenen Tools und eigenem Kontext, zusammenarbeiten, um eine Aufgabe zu erledigen, die für einen einzelnen Agenten zu gross oder zu vielfältig wäre. Statt dass ein Agent alles in einer langen Konversation erledigt, wird die Arbeit aufgeteilt: ein Orchestrator-Agent zerlegt das Ziel in Teile und übergibt jeden Teil an einen spezialisierten Agenten (Recherche, Coding, Review) und führt dann ihre Ergebnisse zusammen. Jeder Agent läuft in seinem eigenen Kontext, sodass er fokussiert bleibt und nicht in der ganzen Aufgabe auf einmal ertrinkt. Das Muster tauscht etwas Koordinationsaufwand gegen Spezialisierung, Parallelität und saubereren Kontext, weshalb es in den ehrgeizigsten agentischen Systemen auftaucht.
Wie Multi-Agent-Systeme funktionieren
Die meisten Multi-Agent-Systeme folgen einer Orchestrator-und-Worker-Form. Ein Lead-Agent plant und delegiert, Worker-Agents erledigen fokussierte Teilaufgaben, und Ergebnisse fliessen zum Zusammenführen zurück.
- Orchestrator: liest das Ziel, teilt es in Teilaufgaben und entscheidet, wer was macht.
- Spezialisten-Agents: jeder besitzt eine enge Rolle mit eigenem Prompt, eigenen Tools und eigenem Context Window.
- Koordination: Ergebnisse werden zurückgegeben und zusammengeführt, manchmal über mehrere Runden.
Multi-Agent vs einzelner Agent vs Subagents
Ein einzelner Agent erledigt eine ganze Aufgabe in einem Kontext, was am einfachsten und für die meisten Jobs am besten ist. Subagents sind die leichtgewichtige Variante des Wegs zu Multi-Agent: ein Hauptagent delegiert ein fokussiertes Stück an einen Helfer, der in seinem eigenen Kontext läuft und eine Zusammenfassung zurückgibt. Ein volles Multi-Agent-System geht weiter, mit mehreren gleichrangigen Agents, die sich über ein gemeinsames Ziel koordinieren. Die ehrliche Regel ist, nur dann nach mehr Agents zu greifen, wenn ein Agent die Aufgabe wirklich nicht halten kann, denn jeder zusätzliche Agent bringt Koordinationskosten.
Wann du mehrere Agents nutzt
Mehrere Agents verdienen ihren Platz, wenn ein Job verschiedene Fähigkeiten hat oder parallel laufen kann: viele Quellen auf einmal recherchieren oder Bauen, Testen und Reviewen auf Spezialisten aufteilen. Sie helfen auch, jeden Kontext sauber zu halten, da laute Teilaufgaben aus dem Hauptthread bleiben. Aber mehr Agents bedeuten mehr Wege, sich misszuverstehen, also fang mit einem fähigen Agenten und seinen Subagents an und wachse nur dann zu einem vollen Multi-Agent-System, wenn die Aufgabe es klar verlangt.